28 октября 2026 г. · Анатолий Крылов, редактор Тераферма
GPU для научных расчётов: AlphaFold, молекулярная динамика и CFD в аренду
Для научных расчётов на GPU выбор карты зависит от точности, в которой считает программа. AlphaFold 3 официально работает на A100 и H100 с 80 ГБ: структура на 1 024 токена предсказывается за 62 секунды на A100 и за 34 секунды на H100. Молекулярной динамике в GROMACS или AMBER хватает игровой RTX 4090 за 48 ₽ в час. А CFD-решателям в двойной точности нужна A100 за 97 ₽ или H100 за 339–417 ₽: у игровых карт FP64 урезан в 64 раза.
Главный вопрос: FP32 или FP64
Научный софт делится на две группы, и от этого зависит всё остальное.
Смешанная и одинарная точность (FP32, FP16). Так считают нейросетевые модели вроде AlphaFold, большинство программ молекулярной динамики и часть CFD-решателей. Здесь важны число CUDA-ядер, тензорные ядра и объём памяти. Игровые карты в этой группе очень сильны.
Двойная точность (FP64). Её требуют многие задачи вычислительной гидродинамики, квантовой химии, теории упругости и климатических моделей. Здесь разница между картами огромная.
| Карта | Память | FP32, TFLOPS | FP64, TFLOPS | Тариф, ₽/ч |
|---|---|---|---|---|
| RTX 4090 | 24 ГБ | 82,6 | ≈ 1,3 | 48 |
| RTX 5090 | 32 ГБ | 104,8 | ≈ 1,6 | 83 |
| L40S | 48 ГБ | 91,6 | ≈ 1,4 | 97 |
| A100 80 ГБ | 80 ГБ | 19,5 | 9,7 (19,5 на тензорных ядрах) | 97 |
| H100 SXM | 80 ГБ | 67 | 34 (67 на тензорных ядрах) | 339–417 |
FP32 — по нашей таблице характеристик, FP64 — по спецификациям NVIDIA; у игровых карт и L40S двойная точность составляет 1/64 от одинарной.
Практический вывод простой. Если программа считает в FP32, RTX 4090 даёт больше операций за рубль, чем A100. Если в FP64, то A100 быстрее RTX 4090 в 7 раз, H100 — в 26 раз, и дорогой час окупается.
Как узнать, в какой точности считает ваш код? Посмотрите документацию: у GROMACS по умолчанию смешанная точность, у AMBER на GPU — режим SPFP, у многих CFD-пакетов точность выбирается флагом. Если сомневаетесь, запустите короткий тест на обеих картах, это стоит десятки рублей.
AlphaFold 3 и предсказание структуры белков
AlphaFold 3 от DeepMind предсказывает структур белков, нуклеиновых кислот и их комплексов с лигандами. Код открыт, веса выдаются по запросу для некоммерческого использования.
Требования к железу. Официальный репозиторий называет поддерживаемыми одну A100 80 ГБ и одну H100 80 ГБ. На них помещаются входы до 5 120 токенов. На A100 40 ГБ — до 4 352 токенов после изменения настроек памяти. Карта на 16 ГБ справляется примерно с 1 280 токенами, но точность в такой конфигурации разработчики не проверяли.
Кроме карты, нужны:
- Оперативная память от 64 ГБ. Поиск выравниваний для длинных последовательностей потребляет много ОЗУ.
- Диск около 630 ГБ под генетические базы в распакованном виде, лучше NVMe.
- Несколько ядер процессора. Поиск MSA идёт на CPU и для крупных мишеней занимает больше времени, чем инференс на GPU.
Время и стоимость. По официальной таблице времени инференса AlphaFold 3:
| Размер входа | A100 80 ГБ | H100 80 ГБ | 100 предсказаний на A100 | 100 предсказаний на H100 |
|---|---|---|---|---|
| 1 024 токена | 62 с | 34 с | 167 ₽ | 320–394 ₽ |
| 5 120 токенов | 2 547 с | 1 416 с | 6 863 ₽ | 13 333–16 401 ₽ |
Формула: стоимость = тариф в час × время одного предсказания в секундах ÷ 3 600 × число предсказаний. Для 100 структур на 1 024 токена на A100: 62 × 100 ÷ 3 600 ≈ 1,72 часа.
H100 почти вдвое быстрее, поэтому на больших комплексах она выгоднее, если её тариф меньше чем вдвое выше тарифа A100. Сравните текущие цены на странице аренды A100 и аренды H100 перед запуском большой серии.
Совет по экономии. Не держите дорогую карту, пока процессор ищет выравнивания. Посчитайте MSA заранее и сохраните результаты, а на GPU запускайте только инференс с готовыми выравниваниями. Так H100 работает на полную, а не ждёт процессор.
Если нужна модель с открытой лицензией для коммерческой работы, посмотрите на открытые аналоги вроде Boltz: они запускаются на тех же картах и проще в установке.
Молекулярная динамика: GROMACS, AMBER, OpenMM
Программы молекулярной динамики давно переносят основную работу на GPU и считают в смешанной точности. Это хорошая новость для бюджета.
Вычислительный центр Университета Эрлангена (FAU) в тестах GROMACS 2024 отмечает, что производительность коррелирует с числом CUDA-ядер, потому что GROMACS использует именно их. В их таблице серверная A40 на ряде систем обгоняет A100, а L40 и L40S ожидаемо оказываются ещё быстрее. Игровые RTX 4090 и RTX 5090 по CUDA-ядрам в том же классе, что L40S.
Что это значит на практике:
- Небольшие и средние системы (до нескольких сотен тысяч атомов). RTX 4090 или RTX 5090 дают лучшую цену наносекунды.
- Большие системы. L40S с 48 ГБ или A100 80 ГБ, если не хватает 24–32 ГБ.
- Много независимых траекторий. Несколько дешёвых карт параллельно вместо одной дорогой: каждая траектория считается на своей GPU.
Как посчитать стоимость наносекунды. GROMACS в конце расчёта печатает производительность в нс/сутки. Формула:
цена 1 нс = тариф в час × 24 ÷ (нс в сутки)
Пример. Ваша система на RTX 4090 даёт 400 нс/сутки. Тогда 1 мкс траектории займёт 2,5 суток, или 60 часов: 2 880 ₽. Если на A100 та же система идёт со скоростью 350 нс/сутки, микросекунда займёт около 69 часов и обойдётся в 6 693 ₽. Цифры скорости здесь условные: замерьте свою систему за 10–15 минут на каждой карте, это самый точный способ выбрать.
Для GROMACS удобно брать готовый контейнер NVIDIA NGC с собранной под CUDA версией: не нужно компилировать программу на арендованной машине.
CFD и инженерные расчёты
Вычислительная гидродинамика на GPU развивается быстрее всего, но с оговорками.
Коммерческие пакеты. Ansys Fluent с родным GPU-решателем, Simcenter STAR-CCM+ и другие поддерживают ускорение на NVIDIA. Им нужна лицензия, и она привязывается к серверу лицензий. На арендованной машине это решается подключением к своему серверу лицензий через туннель, но согласуйте схему с условиями лицензии заранее.
Открытые решатели. OpenFOAM поддерживает GPU через внешние библиотеки, а решатели на решётчатых уравнениях Больцмана (LBM) изначально написаны под GPU и считают в FP32 очень быстро. Для них игровые карты отлично подходят.
Точность. Если решатель требует FP64 (а для стационарных задач с высокой точностью это частое требование), выбирайте A100 или H100. На RTX 4090 такой расчёт будет идти медленнее, чем на хорошем многоядерном процессоре.
Память. Сетка на десятки миллионов ячеек занимает десятки гигабайт. Для крупных сеток нужны 48–80 ГБ видеопамяти или несколько карт. На странице GPU для ИИ и вычислений карты можно отфильтровать по объёму памяти.
Биоинформатика, докинг и крио-ЭМ
Кроме трёх больших направлений, на GPU давно переехали и другие научные задачи. Для них логика выбора та же: сначала точность и память, потом цена часа.
Молекулярный докинг. AutoDock-GPU и GPU-версии Vina перебирают позы лигандов параллельно. Задача хорошо делится на независимые куски: библиотеку из миллиона молекул можно разрезать на части и считать на нескольких дешёвых картах одновременно. Здесь выигрывают RTX 3090 за 26 ₽ и RTX 4090: памяти нужно немного, а CUDA-ядер много.
Геномика. NVIDIA Parabricks ускоряет выравнивание прочтений и поиск вариантов на GPU. Полный геном, который на процессоре обрабатывается сутками, на нескольких серверных картах укладывается в часы. Пакет требует карт с большим объёмом памяти, обычно от 16–24 ГБ на GPU, удобнее A100 или L40S.
Крио-электронная микроскопия. RELION и cryoSPARC используют GPU для классификации частиц и реконструкции. Им важны объём видеопамяти и быстрый диск: наборы данных занимают терабайты. Перед арендой проверьте, хватит ли места на диске машины, или загружайте данные частями.
Научные нейросети. Модели погоды, физически информированные нейросети, модели для материаловедения обучаются так же, как любые другие нейросети: в bf16 на A100 и H100 или на RTX 4090 для небольших экспериментов. Как оценить стоимость обучения в GPU-часах, разобрано в статье сколько стоит обучить нейросеть.
Какую карту выбрать: сводная таблица
| Задача | Точность | Минимум памяти | Рекомендуемая карта |
|---|---|---|---|
| AlphaFold 3, до 5 120 токенов | Смешанная | 80 ГБ | A100 80 ГБ, H100 |
| AlphaFold 3, малые белки | Смешанная | 40 ГБ | A100, L40S с ограничениями |
| Открытые аналоги AlphaFold | Смешанная | 24–48 ГБ | RTX 4090, RTX 5090, L40S |
| GROMACS, AMBER, OpenMM | Смешанная | 8–24 ГБ | RTX 4090, RTX 5090 |
| MD больших систем | Смешанная | 48 ГБ | L40S, A100 |
| CFD в FP32, LBM | Одинарная | 24–48 ГБ | RTX 5090, L40S |
| CFD и квантовая химия в FP64 | Двойная | 40–80 ГБ | A100, H100 |
| Обучение научных нейросетей | Смешанная | 24–80 ГБ | RTX 4090, A100, H100 |
Как работать на арендованной GPU
Научные расчёты часто идут сутками, поэтому на арендованной машине важна дисциплина.
- Сохраняйте контрольные точки. GROMACS пишет checkpoint-файл, AMBER — restart-файл. Настройте запись раз в 30–60 минут и выгружайте их во внешнее хранилище. После остановки сервера диск удаляется.
- Готовьте входные данные заранее. Генетические базы для AlphaFold весят сотни гигабайт, их скачивание может занять больше часа. Проверьте скорость интернета машины в карточке и заложите время на загрузку.
- Начинайте с короткого теста. 10–15 минут расчёта показывают скорость в нс/сутки или секундах на предсказание. Умножьте на тариф и получите бюджет до запуска большой серии.
- Параллельте независимые задачи. Сто предсказаний или двадцать траекторий удобнее разбить на несколько машин, чем считать по очереди на одной.
- Останавливайте сервер сразу. Оплата поминутная, и простой между задачами — главный источник лишних расходов.
О том, почему A100 остаётся основной рабочей картой для таких задач в 2026 году, подробно рассказано в разборе A100 80 ГБ.
Для научных расчётов на GPU сначала определите точность. В смешанной точности — AlphaFold, молекулярная динамика, нейросетевые модели — игровые RTX 4090 и RTX 5090 дают лучшую цену результата, а A100 или H100 нужны, когда не хватает памяти. В FP64 — CFD и квантовая химия — альтернативы A100 и H100 нет.
Запустите 15-минутный тест своей задачи на двух картах на странице аренды A100 и посчитайте бюджет всей серии по формуле.